L’IA dans les transports : redéfinir les systèmes de métro

Les réseaux de métro sont au cœur des transports publics d’une ville et transportent des millions de passagers chaque jour. Des villes comme New York et Tokyo enregistrent quotidiennement plus de 3 millions et 6 millions de voyageurs dans le métro. À mesure que les villes se développent, il devient essentiel de rendre les réseaux de métro plus efficaces, plus sûrs et plus agréables pour les passagers.

C’est là que l’intelligence artificielle (AI) entre en jeu, en transformant tout, de l’achat des billets à la maintenance des trains. Dans cet article, nous allons parcourir un réseau de métro pour découvrir comment l’AI améliore chaque étape du trajet et quelles technologies d’AI, souvent invisibles, assurent le bon fonctionnement de l’ensemble.

L’AI dans les transports publics commence par la perception des tarifs#

En général, un trajet en métro commence par faire la queue, acheter un billet et franchir les portillons. L’AI simplifie activement ce processus, le rendant plus rapide et plus pratique pour les passagers. Par exemple, la technologie de reconnaissance faciale peut être utilisée dans les systèmes de billetterie du métro. Dans les villes très fréquentées, les passagers peuvent accéder aux services sans billet physique ni carte sans contact. Leur visage est plutôt scanné aux points d’entrée, ce qui permet un accès fluide. En 2019, Pékin a mis en place un système de reconnaissance faciale pour gérer la surpopulation et réduire les longues files d’attente aux heures de pointe.

Fig. 1. Système de reconnaissance faciale dans le métro de Shenzhen, en Chine.

Une intégration fluide de l’AI facilite les trajets quotidiens et profite chaque jour à des millions de passagers. Les systèmes de billetterie alimentés par l’AI améliorent non seulement l’expérience des passagers, mais renforcent également la sécurité. En analysant les données faciales, le système garantit que seuls les passagers autorisés entrent dans la station. L’AI peut vérifier rapidement les identités, empêcher les accès non autorisés et repérer les menaces potentielles. Elle peut accélérer le processus d’entrée, renforcer la sécurité et réduire la fraude tarifaire.

Se déplacer sur les lignes de métro avec l’aide de l’AI#

Après être entré dans le métro, trouver son chemin dans la station peut être déroutant, surtout aux heures de pointe. Les systèmes de navigation basés sur l’AI peuvent faciliter les déplacements dans le métro en fournissant aux passagers des indications en temps réel. Ces systèmes utilisent des algorithmes d’AI pour analyser des données provenant de sources telles que le GPS, les capteurs et les caméras, afin de trouver les meilleurs itinéraires et de fournir des indications précises et à jour. Les passagers peuvent utiliser des applications mobiles similaires à Google Maps pour recevoir des indications étape par étape à l’intérieur de la station et localiser rapidement les quais, les sorties et les équipements. La navigation basée sur l’AI permet de gagner du temps et de réduire le stress.

Outre la navigation, les données des caméras et la vision par ordinateur dans un métro peuvent servir à surveiller en temps réel la densité de la foule. Les caméras installées dans toute la station peuvent compter les passagers dans certaines zones afin de repérer les goulets d’étranglement potentiels et les zones surpeuplées. Ces informations aident les autorités de transport à prendre des mesures préventives, comme ajuster la fréquence des trains ou envoyer du personnel pour gérer les foules. En fait, l’AI a été utilisée à titre expérimental à Dubaï pour réduire la congestion de 40 % à 60 % et ramener les temps d’attente à 30 minutes pendant les périodes de pointe et les événements publics.

Fig. 2. Comptage des personnes dans un métro à l’aide de la détection d’objets.

Monter à bord d’un métro doté de l’AI et y voyager#

Lorsque les passagers montent dans le train, l’AI peut améliorer leur expérience de voyage de différentes manières. Examinons certaines de ces applications :

• Assistance en matière d’accessibilité : les techniques de vision par ordinateur, comme la détection d’objets, peuvent identifier les utilisateurs de fauteuils roulants et les orienter vers la section la plus accessible du train. Le processus de fermeture des portes peut également être modifié pour accorder à ces passagers davantage de temps pour monter à bord en toute sécurité.
• Annonces et publicités personnalisées : l’AI peut servir à personnaliser les annonces destinées aux passagers et les publicités en fonction des personnes présentes dans le train et de l’heure.
• Vérification d’un train vide : à la dernière station du réseau de métro, la vision par ordinateur peut servir à effectuer une « vérification d’un train vide » pour s’assurer qu’aucun passager ne reste à bord.
• Gestion des bagages abandonnés : si un bagage est abandonné, la vision par ordinateur peut le détecter et afficher les objets sur les écrans du quai. Les passagers peuvent ensuite récupérer facilement leurs affaires.

Les rames de métro elles-mêmes peuvent également être alimentées par l’AI. Les trains entièrement autonomes peuvent fonctionner en toute sécurité sans personnel à bord. Ces trains alimentés par l’AI utilisent des algorithmes avancés pour prendre des décisions en temps réel et des capteurs pour détecter les obstacles et fonctionner en toute sécurité. Les trains de métro pilotés par l’AI réduisent les coûts de personnel, offrent une plus grande flexibilité pour transporter davantage de passagers avec une meilleure qualité de service, peuvent être plus ponctuels de manière constante et optimisent l’accélération ainsi que le freinage afin de réduire la consommation d’énergie. Par exemple, le Honolulu Rail Transit Project est le premier système entièrement autonome aux États-Unis. Le système devrait réduire la congestion routière et les émissions en supprimant environ 40 000 trajets en voiture par jour.

Fig. 3. Un métro sans conducteur à Milan, en Italie.

Utiliser l’AI pour surveiller les passagers quittant la station de métro#

Surveiller le nombre de personnes qui sortent par les différentes stations est également essentiel pour gérer efficacement les flux du métro. Les modèles d’AI, comme Ultralytics YOLOv8, jouent un rôle clé dans ce processus. YOLOv8 prend également en charge le suivi d’objets et peut servir à identifier et suivre plusieurs objets en temps réel, ce qui le rend idéal pour les réseaux de métro très fréquentés. En analysant les flux vidéo des caméras installées dans les stations, YOLOv8 peut compter les passagers qui sortent, suivre leurs mouvements et repérer les tendances de congestion.

Au-delà des portillons de sortie du métro, l’AI peut être intégrée aux solutions de desserte du dernier kilomètre. Les stations de vélos en libre-service, les services de transport à la demande et les navettes dotés de l’AI peuvent faciliter la sortie des passagers. En analysant les données en temps réel, l’AI peut prédire la demande et déterminer quand ces services sont disponibles. Cette technologie peut également suggérer les meilleurs itinéraires et modes de transport en fonction des conditions de circulation actuelles et des préférences individuelles. Ainsi, les passagers peuvent accéder rapidement aux options de transport les plus adaptées en sortant de la station, ce qui réduit les temps d’attente et rend leur trajet plus pratique.

L’AI en coulisses : assurer la maintenance des voies de métro#

En tant que passagers, nous négligeons souvent les processus complexes qui se déroulent en coulisses pendant nos trajets en métro. L’AI joue un rôle essentiel en arrière-plan, notamment pour l’inspection et la maintenance des voies. Des systèmes comme le Duos Technologies Railcar Inspection Portal (RIP) illustrent cette approche fondée sur l’AI. À l’aide d’algorithmes d’AI, le RIP capture et analyse en quelques secondes des images à 360 degrés de chaque voiture, même à des vitesses supérieures à 125 mph. Ces systèmes d’AI en périphérie détectent les problèmes et alertent le personnel ferroviaire des besoins de maintenance en moins de 60 secondes. Une surveillance constante permet d’identifier et de traiter rapidement les problèmes potentiels.

La gestion et l’optimisation de l’énergie sont d’autres applications de l’AI dans le métro qui restent peu connues. Par exemple, Metro de Madrid utilise un système basé sur l’AI pour réduire de 25 % les coûts énergétiques de la ventilation et diminuer les émissions de CO2 de 1 800 tonnes par an. Exploitant 891 ventilateurs qui consomment jusqu’à 80 gigawattheures d’énergie par an, le système utilise un algorithme d’optimisation inspiré du comportement de recherche de nourriture des colonies d’abeilles. Cet algorithme analyse de grandes quantités de données en tenant compte de facteurs tels que la température de l’air, l’architecture de la station, la fréquence des trains, le nombre de passagers et le prix de l’électricité. Il utilise des données historiques et simulées pour prédire et atteindre le meilleur équilibre pour chaque station, tout en s’améliorant au fil du temps grâce à l’apprentissage automatique.

Fig. 4. Système de ventilation basé sur l’AI de Metro de Madrid.

Avantages et inconvénients de l’AI dans les transports publics#

L’intégration de l’AI dans les réseaux de métro a apporté de nombreux avantages. Elle améliore notamment l’efficacité en aidant les réseaux de métro à respecter les horaires, à réduire les retards et à optimiser les opérations pour offrir des services plus fluides. La sécurité est également renforcée grâce à une surveillance continue, tandis que la maintenance prédictive contribue à prévenir les accidents et les pannes.

Cependant, la mise en œuvre de l’AI dans les réseaux de métro présente des difficultés, notamment :

• Préoccupations liées à la confidentialité des données : la collecte et l’utilisation des données des passagers soulèvent d’importantes préoccupations en matière de confidentialité qui doivent être gérées avec soin afin de protéger les droits individuels à la vie privée.
• Intégration à l’infrastructure existante : l’intégration de systèmes d’AI à l’infrastructure existante du métro peut être complexe et nécessiter des modifications.
• Coûts de mise en œuvre élevés : les coûts initiaux de mise en œuvre de la technologie d’AI peuvent être élevés, ce qui peut constituer un obstacle pour certains réseaux de métro.
• Besoin de professionnels qualifiés : la mise en œuvre et la maintenance réussies de systèmes d’AI nécessitent des professionnels hautement qualifiés, ce qui peut représenter un défi en matière de ressources.

Malgré ces difficultés, les avantages font de l’AI une force de transformation des systèmes de transport urbain modernes tels que les réseaux de métro. Le potentiel d’une efficacité accrue, d’une sécurité renforcée et d’une meilleure expérience pour les passagers explique pourquoi la communauté de l’AI travaille activement à surmonter ces obstacles pour tirer pleinement parti des avantages offerts par l’AI. Alors, la prochaine fois que tu prendras le métro, ouvre l’œil pour repérer les innovations d’AI qui font partie de ton trajet.

L’avenir de l’AI dans les transports#

De l’entrée dans la station à la navigation, au trajet et à la sortie du métro, l’AI transforme l’ensemble du parcours. Elle optimise les opérations, renforce la sécurité et offre une expérience fluide aux passagers. En améliorant la maintenance des voies et la gestion de l’énergie, l’AI garantit des réseaux de métro efficaces et économiques. Malgré les difficultés liées aux coûts de mise en œuvre et à la confidentialité des données, les avantages de l’AI dans les systèmes de transport urbain tels que les réseaux de métro sont indéniables. À mesure que les villes continuent de se développer, l’AI jouera un rôle de plus en plus important pour rendre les déplacements en métro plus intelligents, plus sûrs et plus efficaces.

Reste connecté à notre communauté pour continuer à apprendre sur l’AI ! Consulte notre dépôt GitHub pour découvrir comment nous pouvons utiliser l’AI afin de créer des solutions innovantes dans divers secteurs comme l’agriculture et la fabrication. 🚀